Puisque l’intelligence artificielle (IA) évolue très rapidement, il peut être ardu de démêler la terminologie qui s’y rattache. De nouveaux termes semblent faire surface chaque semaine: NLP, LLM, NERF, vision par ordinateur, apprentissage profond, GAN… La liste est longue. L’IA générative est un terme qui suscite souvent la curiosité — alors penchons-nous sur ce dernier.
Le terme « génératif » relève de la capacité d’un modèle à générer du nouveau contenu tel que du texte, des pistes sonores, des images, des vidéos, des modèles 3D, etc. L’IA générative réfère donc à un type de modèle d’apprentissage profond (Deep Learning) qu’on entraîne à créer du contenu en lui fournissant des données. Imaginez un grand chef cuisinier ayant étudié des milliers de recettes; grâce à ses vastes connaissances, il peut se baser sur ces recettes et créer un plat jamais vu à partir d’une liste d’ingrédients simples. Eh bien, un modèle d’IA générative est tout comme ce grand chef!
Les assistants IA tels que Siri d’Apple ou Alexa d’Amazon vous viennent peut-être en tête comme exemples d’IA générative, puisqu’ils peuvent répondre à vos questions. Bien que les assistants actuels puissent être facilement connectés à des modèles et services d’IA générative, cela n’a pas toujours été le cas. Ils sont d’abord alimentés par des technologies d’apprentissage automatique effectuant des tâches de traitement du langage naturel (NLP) et de compréhension du langage naturel (NLU) telles que la reconnaissance vocale et la reconnaissance d’intention.
Alexa et Siri ne génèrent pas de contenu, mais extraient et traitent les commandes des utilisateurs à partir du langage naturel. Ainsi, si vous leur posez une question sur la météo, ces assistants et chatbots extraient l’intention de l’expression utilisée et la comparent à une intention prédéfinie liée à la météo, à laquelle est associée une fonctionnalité d’extraction de données. Aucune nouvelle réponse n’est créée.
Un assistant virtuel est essentiellement une interface interactive, souvent activée par la voix, et de nombreuses technologies sont impliquées dans sa création. Les NLP sont, à ce jour, largement utilisés en combinaison avec des modèles d’IA générative afin d’effectuer des tâches telles que la récupération de données, qui permet à un modèle de récupérer les informations contenues dans un document et de les utiliser comme base pour formuler du nouveau contenu.
Le fonctionnement d’un modèle d’IA générative est somme toute assez simple: il assimile des tonnes de données, puis en fait des prédictions. Par exemple, les modèles tels que Llama 3 de Meta peuvent générer du texte à partir d’une simple demande. Ils y arrivent en encodant le texte en chiffres (embeddings), les mots et caractères en jetons via un processus de tokenization, puis en décodant le tout en texte à nouveau.
En outre, les MFR d'aujourd'hui ne sont pas limités à l'entrée de texte. Ils ont des capacités multimodales qui leur permettent d'utiliser la vision et l'audition pour répondre à des invites basées sur l'image et le son.
Bref, un modèle d’IA générative examine de nombreux exemples puis crée du «nouveau» contenu à partir de ces derniers, tout comme un chef crée de nouvelles recettes. Grâce à des technologies telles que l’IA générative, des plateformes comme StellarX peuvent créer des expériences immersives et interactives qui rendent l’apprentissage et le travail plus stimulants. Alors que cette technologie poursuit sa croissance, nous allons fort probablement assister à des créations encore plus étonnantes. Comprendre l’IA générative nous aide à apprécier encore davantage les possibilités offertes par les plateformes telles que StellarX!
.png){kind=small}